【技术实现步骤摘要】
一种毫米波雷达与深度学习结合的姿态监测方法
[0001]本专利技术涉及信号处理
,具体涉及一种毫米波雷达与深度学习结合的姿态监测方法。
技术介绍
[0002]人体姿态监测在远程监护、安防监控、公共场所、医院等邻域近年来受到广泛关注,其中利用毫米波雷达传感器可在室内对人体运动过程产生的平动和转动等微小运动信息进行有效捕捉与探测,通过对这些微小的运动变化信息的提取与分类可以达到对人体运动姿态的检测与分类的目的。由于毫米波雷达传感器在做人体姿态检测时大部分用于室内场景,而考虑到对用户个人隐私的保护,因此基于毫米波雷达传感器的姿态检测系统就显得尤为有价值。
[0003]目前用于室内人员检测的的装置除了毫米波雷达以外,还包括基于相机及摄像头的视觉识别、基于可穿戴设备和传感器的方法、被动红外传感器等,由于上述方法会受光线、视距及方便性等因素的影响,导致检测准确度和最终效果不佳,并且会有所需设备的成本高、隐私保护弱等问题,本专利技术提供一种毫米波雷达与深度学习结合的姿态监测方法,能在很大程度上解决上述问题。
技术实现思路
[0004]本专利技术的目的在于提供一种毫米波雷达与深度学习结合的姿态监测方法,以期解决
技术介绍
中存在的技术问题。
[0005]本专利技术所述的一种毫米波雷达与深度学习结合的姿态监测方法,采用毫米波雷达采集数据并作处理后得到时间
‑
多普勒热度图,利用GAN
‑
CNN深度学习算法进行姿态检测分类,相比于摄像头、红外传感器等,具有隐私性强、精确 ...
【技术保护点】
【技术特征摘要】
1.一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,包括以下步骤:步骤1:采集训练与测试样本数据;步骤2:深度学习模型建立、训练及测试。2.根据权利要求1所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,所述采集训练与测试样本数据;包括:步骤1.1:基于毫米波雷达,采用BPM模式向所测空间中发射线性调频连续波,通过具有固定天线间距的雷达接收机接收所测空间反射的回波信号,并在采集数据过程中录制视频;步骤1.2:对回波信号进行解码,获得N组多帧的雷达立方体数据;步骤1.3:对获得的每一帧的雷达立方体数据的快时间维度作快速傅里叶变换;以此区分位于不同距离范围的目标;步骤1.4:对步骤1.3处理好的每一帧数据沿着慢时间维度作短时傅里叶变换,以此获得目标的速度信息;步骤1.5:将步骤1.4中获得的每一帧雷达立方体数据作非相干处理,再对距离单元作积累,最终按时间顺序将每一帧雷达立方体数据进行排列从而获得时间
‑
多普勒热度图。3.根据权利要求2所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,步骤1.1中,所述BPM模式为两根发射天线同时发射电磁波;所述所测空间为长、宽、高为4x4x2.7m大小的立体空间。4.根据权利要求2所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,步骤1.2中,对回波信号进行解码,获得N组多帧的雷达立方体数据包括:对回波信号进行解码,获得每一对发射
‑
接收回波信号数据,并按照采样点数
‑
chirp数
‑
天线数
‑
帧数的格式进行排列得到多帧的雷达立方体数据,该格式的数据表示为一组采集数据,共有N组采集数据;对回波信号进行解码,具体为:第一根发射天线TX1的相位编码为[1,1],发射的信号为,第二根发射天线TX2的相位编码为[1,
‑
1],发射的信号为,对于接收天线,在第一个chirp周期内接收到的信号,在第二个chirp周期内接收到的信号,进而可解得,;每组采集数据中包括多种人体姿态,所述人体姿态包括走、跌倒、蹲下、弯腰、坐五种动作,选择不同的人进行多次采集,共获得N组采集数据;所述N组数据包括x组chirp数为48和y组chirp数为256的采样数据,即N = x + y。5.根据权利要求2所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,步骤1.3中,所述快时间维度作快速傅里叶变换具体为:对96个采样点进行多项式内插至128点再作快速傅里叶变换。6.根据权利要求2所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,步骤1.5中,所述非相干处理方法具体为:将雷达立方体数据中天线维数据的功率值进行叠加。7.根据权利要求2所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在
于,所述深度学习模型建立、训练及测试,具体步骤如下:步骤2.1:对步骤1.5中的时间
‑
多普勒热度图进行滑窗和选择处理以获得每一组采集数据所包含的不同姿态的时间
‑
多普勒热度图,并将所述不同姿态的时间
‑
多普勒热度图打上不同姿态所对应的标签;步骤2.2:构建姿态检测深度学习模型,利用N组采集数据的不同姿态的时间
‑
多普勒热度图进行所述深度学习模型的训练,得到训练完毕的深度学习模型以此达到对不同姿态进行检测的目的;步骤2.3:将训练完毕并测试好的深度学习模型加载到服务器上,利用服务器对待检测的图片流进行姿态检测;步骤2.4:当所述服务器判断输入的图片流中连续几帧的图片输出某一姿态的概率均大于所设定的阈值时,由屏幕显示该姿态并进行语音提醒。8.根据权利要求7所述的一种毫米波雷达与深度学习结合的姿态监测方法,其特征在于,步骤2.1中,对时...
【专利技术属性】
技术研发人员:张彭豪,周杨,朱文涛,李剑鹏,梁庆真,
申请(专利权)人:四川启睿克科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。